山地叶面积指数反演理论、方法与研究进展
1
2020
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
山地叶面积指数反演理论、方法与研究进展
1
2020
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
中国生态脆弱区叶面积指数变化的主导气象因子研究
2
2021
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
... ［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
中国生态脆弱区叶面积指数变化的主导气象因子研究
2
2021
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
... ［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
A data-driven approach to estimate Leaf Area Index for Landsat images over the contiguous US
2
2021
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
Validation of the MODIS LAI product in Qinghai Lake Basin combined with field measurements using Landsat-8 OLI data
1
2017
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
2001-2017年中国不同耕作区重建MODIS LAI时空动态
1
2021
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
2001-2017年中国不同耕作区重建MODIS LAI时空动态
1
2021
... 叶面积指数（LAI）被定义为单位水平地表面积上绿叶表面积总和的一半［1］，对植被—陆表—大气循环有重要影响，是生态系统的重要结构参数之一［2］.它被视为反应全球变化的基本变量之一［2］，亦是许多陆面过程模型和生态水文模型的重要输入参数［3-5］. ...
不同叶面积指数遥感产品在浙江省的差异比较研究
2
2019
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
不同叶面积指数遥感产品在浙江省的差异比较研究
2
2019
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
多源遥感数据时空融合模型应用分析
1
2014
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
多源遥感数据时空融合模型应用分析
1
2014
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
Evaluation of global Leaf Area Index and fraction of absorbed photosynthetically active radiation products over North America using copernicus ground based observations for validation data
1
2020
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
Evaluation of the version 5.0 global land surface satellite （GLASS） Leaf Area Index product derived from MODIS data
2
2020
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
Characterizing the error and bias of remotely sensed LAI products：An example for tropical and subtropical evergreen forests in South China
1
2020
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
Validation of global moderate resolution Leaf Area Index（LAI） products over croplands in Northeastern China
4
2019
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
... 研究采用的GLASS LAI数据集由北京师范大学全球变化处理与分析中心（http：∥www.glass.umd.edu/Download.html）发布.研究采用最新的GLASS LAI v5数据，其时空分辨率为8 d/500 m，时间序列为2000~2018年.该数据集是将MODIS LAI和CYCLOPES LAI产品通过加权线性组合生成融合LAI［11］，利用融合的LAI 和预处理的AVHRR/MODIS地表反射率数据建立训练样本，在BELMANIP（Benchmark Land Multisite Analysis and Intercomparison of products）站点上，采用GRNN（广义回归神经网络）对每种生物群落类型进行训练［11］.最终以AVHRR/MODIS地表反射率为输入数据，生成全球长时间序列的LAI［31］.研究所采用的GLASS LAI v5数据，行列号为h25v05，时段为2014年1月1日至2018年12月27日. ...
... ［11］.最终以AVHRR/MODIS地表反射率为输入数据，生成全球长时间序列的LAI［31］.研究所采用的GLASS LAI v5数据，行列号为h25v05，时段为2014年1月1日至2018年12月27日. ...
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
Comparison of the spatial characteristics of four remotely sensed Leaf Area Index products over China： Direct validation and relative uncertainties
2
2018
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
Estimating the fraction of absorbed photosynthetically active radiation from the MODIS data based GLASS Leaf Area Index product
0
2015
Evaluation of four long time-series global Leaf Area Index products
0
2017
An integrated method for validating long-term Leaf Area Index Products using global networks of site-based measurements
1
2018
... 目前，基于遥感的LAI因覆盖范围广、易获取、高时效等优势［6］而被广泛应用.研究表明，大多数自然和人工的生态系统存在空间异质性，空间分辨率在10~100 m之间的LAI遥感产品更能表达实际情况［3-4］.此外，为了更好地监测快速变化的地表信息，遥感数据时间周期越短越好［7］.然而目前，同时兼顾高时间和高空间分辨率的LAI遥感产品较为缺乏.目前，全球LAI遥感产品主要有MODIS（the Moderate-Resolution Imaging Spectroradiometer ）［8］、GLASS（Global Land Surface Satellite）［9］、GEO（Geoland）［10］、GLOBMAP［11］等，虽然部分产品时间分辨率为1 d，但是空间分辨率普遍偏低（大于或等于300 m）.经大量研究对比及验证［12-15］，时空分辨率为8 d/500 m的GLASS LAI在空间上完整、时间上连续，且具有较高精度.然而其较低的空间分辨率限制了其应用. ...
On the blending of the landsat and MODIS surface reflectance：predicting daily landsat surface reflectance
2
2006
... 多源遥感数据时空融合模型，如STARFM（（Spatial and Temporal Adaptive Reflectance Fusion Model）［16］、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）［17］、FSDAF（Flexible Spatiotemporal Data Fusion Model）［18］等，是获取高时空分辨率遥感数据的有效手段.这些模型可结合不同遥感数据时间和空间分辨率的优势，通过特定算法将其融合产生高时空分辨率遥感数据［19］. ...
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions
2
2010
... 多源遥感数据时空融合模型，如STARFM（（Spatial and Temporal Adaptive Reflectance Fusion Model）［16］、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）［17］、FSDAF（Flexible Spatiotemporal Data Fusion Model）［18］等，是获取高时空分辨率遥感数据的有效手段.这些模型可结合不同遥感数据时间和空间分辨率的优势，通过特定算法将其融合产生高时空分辨率遥感数据［19］. ...
... ESTARFM 模型是由STARFM 模型改进而来，它提高了基于滑动窗口相似像元的筛选精度，同时结合这些滑动窗口内相似像元信息，来预测中心像元的反射率，从而提高时空融合精度［17］.计算公式如下： ...
A flexible spatiotemporal method for fusing satellite images with different resolutions
1
2016
... 多源遥感数据时空融合模型，如STARFM（（Spatial and Temporal Adaptive Reflectance Fusion Model）［16］、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）［17］、FSDAF（Flexible Spatiotemporal Data Fusion Model）［18］等，是获取高时空分辨率遥感数据的有效手段.这些模型可结合不同遥感数据时间和空间分辨率的优势，通过特定算法将其融合产生高时空分辨率遥感数据［19］. ...
Assessment of the effectiveness of spatiotemporal fusion of multi-source satellite images for cotton yield estimation
1
2019
... 多源遥感数据时空融合模型，如STARFM（（Spatial and Temporal Adaptive Reflectance Fusion Model）［16］、ESTARFM（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model）［17］、FSDAF（Flexible Spatiotemporal Data Fusion Model）［18］等，是获取高时空分辨率遥感数据的有效手段.这些模型可结合不同遥感数据时间和空间分辨率的优势，通过特定算法将其融合产生高时空分辨率遥感数据［19］. ...
Improving the spatiotemporal fusion accuracy of fractional vegetation cover in agricultural regions by combining vegetation growth models
1
2021
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
Determining the impacts of climate change and urban expansion on net primary productivity using the spatio-temporal fusion of remote sensing data
1
2021
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
Reconstruction of time series leaf area index for improving wheat yield estimates at field scales by fusion of Sentinel-2，3 and MODIS imagery
1
2020
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
Precipitation events determine the spatiotemporal distribution of playa surface salinity in arid regions： Evidence from satellite data fused via the enhanced spatial and temporal adaptive reflectance fusion model
1
2021
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
Monitoring irrigation dynamics in paddy fields using spatiotemporal fusion of Sentinel-2 and MODIS
1
2022
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
温度植被干旱指数时空融合模型对比
1
2020
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
温度植被干旱指数时空融合模型对比
1
2020
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
Comparison of spatiotemporal fusion models：A review
0
2015
喀斯特高原区多源遥感数据时空融合模型适用性分析
1
2020
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
喀斯特高原区多源遥感数据时空融合模型适用性分析
1
2020
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
Blending Landsat and MODIS data to generate multispectral indices： A comparison of “index-then-blend”and “blend-then-index” approaches
1
2014
... 众多模型中，增强型自适应反射率时空融合模型ESTARFM已广泛并成功应用于对植被覆盖［20］、NPP［21］、LAI［22］、降水［23］、灌溉［24］等的监测，它不仅对异质景观和相识像元有较高预测精度和识别能力，还能保留更多的空间细节［16］，较其他一些模型精度更高［25-27］.ESTARFM模型通常通过两种方式实现，即BI（Blend-then-Index）和IB（Index-then-Blend），前者是先融合原始影像，再计算所需指数，后者相反.相关研究证明IB方式具有较高准确性［28］. ...
近10年巴音河流域土地利用变化及驱动力分析
1
2020
... 巴音河流域位于柴达木盆地东北缘（如图1），位于德令哈市境内，是柴达木盆地第四大内陆河，亦是盆地内重要的粮食生产基地.该流域发源于祁连山南坡宗务隆山区，经德令哈市后，分别注入克鲁克湖、尕海湖，属于典型的高原荒漠半荒漠干旱性气候，土地覆被类型主要为草地和荒漠.其生态环境脆弱，水资源短缺［29］.受人类活动、气候变化的影响，巴音河流域水资源供需矛盾和生态环境问题日益突出［30］.本研究拟基于2014~2018年GLASS LAI、MOD13A1、MYD13A1、Landsat-7-ETM+、Landsat-8 OLI数据，通过ESTARFM-IB方式获取时间连续的8 d/30 m分辨率LAI，再结合分段线性内插得到1 d/30 m LAI.该数据可用于分析巴音河流域植物生长状态、植被覆盖、生态系统变化，亦可为陆面过程模型构建、水文过程模拟提供重要数据支持，也为巴音河流域生态环境保护提供重要的科学依据. ...
近10年巴音河流域土地利用变化及驱动力分析
1
2020
... 巴音河流域位于柴达木盆地东北缘（如图1），位于德令哈市境内，是柴达木盆地第四大内陆河，亦是盆地内重要的粮食生产基地.该流域发源于祁连山南坡宗务隆山区，经德令哈市后，分别注入克鲁克湖、尕海湖，属于典型的高原荒漠半荒漠干旱性气候，土地覆被类型主要为草地和荒漠.其生态环境脆弱，水资源短缺［29］.受人类活动、气候变化的影响，巴音河流域水资源供需矛盾和生态环境问题日益突出［30］.本研究拟基于2014~2018年GLASS LAI、MOD13A1、MYD13A1、Landsat-7-ETM+、Landsat-8 OLI数据，通过ESTARFM-IB方式获取时间连续的8 d/30 m分辨率LAI，再结合分段线性内插得到1 d/30 m LAI.该数据可用于分析巴音河流域植物生长状态、植被覆盖、生态系统变化，亦可为陆面过程模型构建、水文过程模拟提供重要数据支持，也为巴音河流域生态环境保护提供重要的科学依据. ...
基于水化学和稳定同位素定量评价巴音河流域地表水与地下水转化关系
1
2018
... 巴音河流域位于柴达木盆地东北缘（如图1），位于德令哈市境内，是柴达木盆地第四大内陆河，亦是盆地内重要的粮食生产基地.该流域发源于祁连山南坡宗务隆山区，经德令哈市后，分别注入克鲁克湖、尕海湖，属于典型的高原荒漠半荒漠干旱性气候，土地覆被类型主要为草地和荒漠.其生态环境脆弱，水资源短缺［29］.受人类活动、气候变化的影响，巴音河流域水资源供需矛盾和生态环境问题日益突出［30］.本研究拟基于2014~2018年GLASS LAI、MOD13A1、MYD13A1、Landsat-7-ETM+、Landsat-8 OLI数据，通过ESTARFM-IB方式获取时间连续的8 d/30 m分辨率LAI，再结合分段线性内插得到1 d/30 m LAI.该数据可用于分析巴音河流域植物生长状态、植被覆盖、生态系统变化，亦可为陆面过程模型构建、水文过程模拟提供重要数据支持，也为巴音河流域生态环境保护提供重要的科学依据. ...
基于水化学和稳定同位素定量评价巴音河流域地表水与地下水转化关系
1
2018
... 巴音河流域位于柴达木盆地东北缘（如图1），位于德令哈市境内，是柴达木盆地第四大内陆河，亦是盆地内重要的粮食生产基地.该流域发源于祁连山南坡宗务隆山区，经德令哈市后，分别注入克鲁克湖、尕海湖，属于典型的高原荒漠半荒漠干旱性气候，土地覆被类型主要为草地和荒漠.其生态环境脆弱，水资源短缺［29］.受人类活动、气候变化的影响，巴音河流域水资源供需矛盾和生态环境问题日益突出［30］.本研究拟基于2014~2018年GLASS LAI、MOD13A1、MYD13A1、Landsat-7-ETM+、Landsat-8 OLI数据，通过ESTARFM-IB方式获取时间连续的8 d/30 m分辨率LAI，再结合分段线性内插得到1 d/30 m LAI.该数据可用于分析巴音河流域植物生长状态、植被覆盖、生态系统变化，亦可为陆面过程模型构建、水文过程模拟提供重要数据支持，也为巴音河流域生态环境保护提供重要的科学依据. ...
MODIS，CYCLOPES和GLASS 3种LAI产品在韩江流域的对比
1
2018
... 研究采用的GLASS LAI数据集由北京师范大学全球变化处理与分析中心（http：∥www.glass.umd.edu/Download.html）发布.研究采用最新的GLASS LAI v5数据，其时空分辨率为8 d/500 m，时间序列为2000~2018年.该数据集是将MODIS LAI和CYCLOPES LAI产品通过加权线性组合生成融合LAI［11］，利用融合的LAI 和预处理的AVHRR/MODIS地表反射率数据建立训练样本，在BELMANIP（Benchmark Land Multisite Analysis and Intercomparison of products）站点上，采用GRNN（广义回归神经网络）对每种生物群落类型进行训练［11］.最终以AVHRR/MODIS地表反射率为输入数据，生成全球长时间序列的LAI［31］.研究所采用的GLASS LAI v5数据，行列号为h25v05，时段为2014年1月1日至2018年12月27日. ...
MODIS，CYCLOPES和GLASS 3种LAI产品在韩江流域的对比
1
2018
... 研究采用的GLASS LAI数据集由北京师范大学全球变化处理与分析中心（http：∥www.glass.umd.edu/Download.html）发布.研究采用最新的GLASS LAI v5数据，其时空分辨率为8 d/500 m，时间序列为2000~2018年.该数据集是将MODIS LAI和CYCLOPES LAI产品通过加权线性组合生成融合LAI［11］，利用融合的LAI 和预处理的AVHRR/MODIS地表反射率数据建立训练样本，在BELMANIP（Benchmark Land Multisite Analysis and Intercomparison of products）站点上，采用GRNN（广义回归神经网络）对每种生物群落类型进行训练［11］.最终以AVHRR/MODIS地表反射率为输入数据，生成全球长时间序列的LAI［31］.研究所采用的GLASS LAI v5数据，行列号为h25v05，时段为2014年1月1日至2018年12月27日. ...
Enhancing SWAT with remotely sensed LAI for improved modelling of eco-hydrological process in subtropics
1
2019
... 技术路线如图2所示，高时空分辨率LAI获取流程如下：①建立GLASS LAI与MOD13A1、MYD13A1 NDVI线性关系：基于2014~2018年GLASS LAI、MOD13A1、MYD13A1 NDVI的每一景影像，选取对应时间的样本点，提取样本点对应的像元值，通过这些像元值建立LAI与NDVI线性关系LAI-NDVI［32，33］；②利用预处理后Landsat-7 ETM+、Landsat-8 OLI的红、近红波段计算Landsat NDVI；③将Landsat NDVI作为变量输入到LAI-NDVI线性关系中得到Landsat LAI；④将3期GLASS LAI和2期Landsat LAI输入ESTARFM模型中，融合得到8 d/30 m时空分辨率的LAI；⑤分段线性内插8 d/30 m LAI得到1 d/30 m的叶面积指数：以第i天和第i+8 d为节点，每隔8 d对8 d/30 mLAI每个像元建立时间与LAI的一元线性方程，以计算每个8 d内任一天的LAI.该方法简单易行，一元线性函数具有连续性，且不会出现区间内线性函数图像超出以两节点连线为对角线的矩形范围的越界现象［34］.该方法的不确定性在于无法拟合8日内LAI先增后减等波动变化情况. ...
结合无人机光谱与纹理特征和覆盖度的水稻叶面积指数估算
1
2021
... 技术路线如图2所示，高时空分辨率LAI获取流程如下：①建立GLASS LAI与MOD13A1、MYD13A1 NDVI线性关系：基于2014~2018年GLASS LAI、MOD13A1、MYD13A1 NDVI的每一景影像，选取对应时间的样本点，提取样本点对应的像元值，通过这些像元值建立LAI与NDVI线性关系LAI-NDVI［32，33］；②利用预处理后Landsat-7 ETM+、Landsat-8 OLI的红、近红波段计算Landsat NDVI；③将Landsat NDVI作为变量输入到LAI-NDVI线性关系中得到Landsat LAI；④将3期GLASS LAI和2期Landsat LAI输入ESTARFM模型中，融合得到8 d/30 m时空分辨率的LAI；⑤分段线性内插8 d/30 m LAI得到1 d/30 m的叶面积指数：以第i天和第i+8 d为节点，每隔8 d对8 d/30 mLAI每个像元建立时间与LAI的一元线性方程，以计算每个8 d内任一天的LAI.该方法简单易行，一元线性函数具有连续性，且不会出现区间内线性函数图像超出以两节点连线为对角线的矩形范围的越界现象［34］.该方法的不确定性在于无法拟合8日内LAI先增后减等波动变化情况. ...
结合无人机光谱与纹理特征和覆盖度的水稻叶面积指数估算
1
2021
... 技术路线如图2所示，高时空分辨率LAI获取流程如下：①建立GLASS LAI与MOD13A1、MYD13A1 NDVI线性关系：基于2014~2018年GLASS LAI、MOD13A1、MYD13A1 NDVI的每一景影像，选取对应时间的样本点，提取样本点对应的像元值，通过这些像元值建立LAI与NDVI线性关系LAI-NDVI［32，33］；②利用预处理后Landsat-7 ETM+、Landsat-8 OLI的红、近红波段计算Landsat NDVI；③将Landsat NDVI作为变量输入到LAI-NDVI线性关系中得到Landsat LAI；④将3期GLASS LAI和2期Landsat LAI输入ESTARFM模型中，融合得到8 d/30 m时空分辨率的LAI；⑤分段线性内插8 d/30 m LAI得到1 d/30 m的叶面积指数：以第i天和第i+8 d为节点，每隔8 d对8 d/30 mLAI每个像元建立时间与LAI的一元线性方程，以计算每个8 d内任一天的LAI.该方法简单易行，一元线性函数具有连续性，且不会出现区间内线性函数图像超出以两节点连线为对角线的矩形范围的越界现象［34］.该方法的不确定性在于无法拟合8日内LAI先增后减等波动变化情况. ...
不同插值方法绘制断面图效果分析
1
2012
... 技术路线如图2所示，高时空分辨率LAI获取流程如下：①建立GLASS LAI与MOD13A1、MYD13A1 NDVI线性关系：基于2014~2018年GLASS LAI、MOD13A1、MYD13A1 NDVI的每一景影像，选取对应时间的样本点，提取样本点对应的像元值，通过这些像元值建立LAI与NDVI线性关系LAI-NDVI［32，33］；②利用预处理后Landsat-7 ETM+、Landsat-8 OLI的红、近红波段计算Landsat NDVI；③将Landsat NDVI作为变量输入到LAI-NDVI线性关系中得到Landsat LAI；④将3期GLASS LAI和2期Landsat LAI输入ESTARFM模型中，融合得到8 d/30 m时空分辨率的LAI；⑤分段线性内插8 d/30 m LAI得到1 d/30 m的叶面积指数：以第i天和第i+8 d为节点，每隔8 d对8 d/30 mLAI每个像元建立时间与LAI的一元线性方程，以计算每个8 d内任一天的LAI.该方法简单易行，一元线性函数具有连续性，且不会出现区间内线性函数图像超出以两节点连线为对角线的矩形范围的越界现象［34］.该方法的不确定性在于无法拟合8日内LAI先增后减等波动变化情况. ...
不同插值方法绘制断面图效果分析
1
2012
... 技术路线如图2所示，高时空分辨率LAI获取流程如下：①建立GLASS LAI与MOD13A1、MYD13A1 NDVI线性关系：基于2014~2018年GLASS LAI、MOD13A1、MYD13A1 NDVI的每一景影像，选取对应时间的样本点，提取样本点对应的像元值，通过这些像元值建立LAI与NDVI线性关系LAI-NDVI［32，33］；②利用预处理后Landsat-7 ETM+、Landsat-8 OLI的红、近红波段计算Landsat NDVI；③将Landsat NDVI作为变量输入到LAI-NDVI线性关系中得到Landsat LAI；④将3期GLASS LAI和2期Landsat LAI输入ESTARFM模型中，融合得到8 d/30 m时空分辨率的LAI；⑤分段线性内插8 d/30 m LAI得到1 d/30 m的叶面积指数：以第i天和第i+8 d为节点，每隔8 d对8 d/30 mLAI每个像元建立时间与LAI的一元线性方程，以计算每个8 d内任一天的LAI.该方法简单易行，一元线性函数具有连续性，且不会出现区间内线性函数图像超出以两节点连线为对角线的矩形范围的越界现象［34］.该方法的不确定性在于无法拟合8日内LAI先增后减等波动变化情况. ...
回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用
1
2017
... Pearson积矩相关系数大小用于描述两个变量间相关性的强弱［35］，本文利用其评价GLASS LAI与高时空分辨率LAI二者对应LAI值相关性的强弱，计算公式如下： ...
回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用
1
2017
... Pearson积矩相关系数大小用于描述两个变量间相关性的强弱［35］，本文利用其评价GLASS LAI与高时空分辨率LAI二者对应LAI值相关性的强弱，计算公式如下： ...
GLASS叶面积指数产品验证
2
2014
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
... ［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
GLASS叶面积指数产品验证
2
2014
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
... ［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
Long-Time-Series Global Land Surface Satellite Leaf Area Index product derived from MODIS and AVHRR surface reflectance
1
2016
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
内蒙古锡林浩特草原GLASS LAI产品的真实性检验
1
2013
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
内蒙古锡林浩特草原GLASS LAI产品的真实性检验
1
2013
... GLASS LAI较其他遥感LAI产品具有较高精度和数据完整性，不确定性较低［11］，在时间变化上LAI值较为平滑，突变少［9，36］.Li等［12］基于实测LAI，对比了GLASS、GLOBALBNU、GLOBMAP、MODIS 4种LAI产品精度，表明GLASS LAI精度最优，在全球范围内R2=0.7，RMSE=0.96，在中国范围内R2=0.94，RMSE=0.61；Xiao等［37］使用实测LAI验证了GLASS LAI的精度，与MODIS LAI、GEO V1LAI相比较，GLASS LAI与实测LAI最为接近（除热带雨林外），R2为0.809 5，RMSE为0.784 8；向阳等［36］利用实测LAI验证对比了GLASS、MODIS、CYCLOPES 3种LAI产品精度，结果表明GLASS LAI精度最高，R2=0.76；孙晨曦等［38］在内蒙古草原基于实测LAI评估了GLASS LAI的准确性，R2达到0.72；骆月珍等［6］在常绿阔叶林地区以实测LAI为依据，比较了GLASS LAI、MOD15 LAI、MCD125 LAI的差异，发现GLASS LAI的R2=0.61，RMSE=1.20，优于MODIS LAI.基于上述研究，本研究认为GLASS LAI准确性较高.故将本研究得到的高时空分辨率LAI（1 d/30 m）数据集与GLASS LAI产品的时空特征进行对比，以验证数据集精度. ...
